Badanie charakterystyk akcelerometru. Praca laboratoryjna badanie charakterystyk statystycznych akcelerometru typu bdlu-0,5 informacje teoretyczne

Opis:

MINISTERSTWO EDUKACJI I NAUKI ROSJI

Federalna autonomiczna placówka edukacyjna
Instytucja nauczania wyższego

„Południowy Uniwersytet Federalny”

Instytut Wysokich Technologii i Piezotechniki

Katedra Technik Informacyjno-Pomiarowych

Sizjakin Stanisław Leonidowicz

Opracowanie algorytmu badania błędów

Akcelerometr MEMS

KWALIFIKACJA KOŃCOWA
PRACA KAWALERSKA
w kierunku 200100 - Oprzyrządowanie

Doradca naukowy -
Dr tech. Nauki, doc., Igor Szczerban

Rostów nad Donem - 2016

ADNOTACJA. 3

PRACA PISEMNA. 4

WPROWADZENIE 5-6

ROZDZIAŁ 1. CZĘŚĆ TEORETYCZNA. 7-28

1.1. Formalizacja zadań badawczych Błędy MEMS akcelerometr 7-16

1.2. Charakterystyka błędów akcelerometrów MEMS i ich klasyfikacja. 17-21

1.3. Analiza metod badania błędów czujników MEMS. 22-25

1.4. Zestaw doświadczalny. 25-26

ROZDZIAŁ 2. CZĘŚĆ PRAKTYCZNA. 29-44

2.1. Tryb testu statycznego dla akcelerometrów. 29-31

2.2. Rozwój wsparcia algorytmicznego. 32-37

2.3 Opracowanie algorytmu oprogramowania. 37-39

WNIOSEK. 40

REFERENCJE 47

DODATEK A.. 42

DODATEK B. 43-46

ADNOTACJA

Praca dyplomowa zawiera 47 stron tekstu maszynowego, 17 rysunków, 4 tabele.

Praca poświęcona jest opracowaniu algorytmiki i oprogramowania do badania błędów statystycznych akcelerometru MEMS.

W ramach zadania uznano to metoda statyczna badanie błędów akcelerometru MEMS LSM303DLH. Zbadano również błędy statystyczne tego czujnika.

Aby rozwiązać problem, algorytmiczne i oprogramowanie pracować z błędami statystycznymi.

PRACA PISEMNA

W pracy przeprowadzono badanie błędów statystycznych akcelerometrów MEMS, opracowano algorytmiczne i oprogramowanie do badania błędów akcelerometrów typu LSM303DLH.

Praca składa się z dwóch rozdziałów. W pierwszym rozdziale przedstawiono ogólne informacje teoretyczne, analizę metod badania błędów czujników, a także analizę charakterystyk błędów statystycznych akcelerometrów MEMS.

W drugim rozdziale przedstawiono wyniki syntezy algorytmów i oprogramowania do modelowania i badania błędów statystycznych akcelerometrów MEMS LSM303DLH. Opisano układ doświadczalny, przedstawiono wyniki badań – otrzymane wartości odchylenia standardowego, oczekiwanie matematyczne, kowariancję, korelację, testowanie hipotezy o normalności szumu akcelerometru za pomocą kryterium Pearsona.

WPROWADZENIE

Na obecnym etapie aktywnego doskonalenia mikroelektroniki rozpowszechnił się rozwój układów mikroelektromechanicznych, które w skrócie nazywane są MEMS. Angielskim odpowiednikiem tego terminu jest „Micro ElectroMechanical Systems” (MEMS).

MEMS (systemy mikroelektromechaniczne) to technologie i urządzenia łączące komponenty mikroelektroniczne i mikromechaniczne. Urządzenia MEMS są zwykle wytwarzane na podłożu krzemowym przy użyciu technologii mikroobróbki, podobnej do technologii wytwarzania jednoukładowych układów scalonych. Typowe rozmiary elementów mikromechanicznych wahają się od 1 mikrometra do 100 mikrometrów, podczas gdy rozmiary chipów MEMS wahają się od 20 mikrometrów do jednego milimetra.

Celem pracy jest opracowanie algorytmiki i oprogramowania do badania błędów statystycznych akcelerometru LSM303DLH.

Głównym celem akcelerometru jest dostarczenie informacji o aktualnym przyspieszeniu urządzenia, a raczej różnicy między przyspieszeniem urządzenia a przyspieszeniem swobodnego spadania. W spoczynku odczyty czujnika pokrywają się z wektorem przyspieszenia grawitacyjnego. W warunkach nieważkości rzeczywiste przyspieszenie obiektu jest spowodowane wyłącznie siłą grawitacji i dlatego jest dokładnie równe przyspieszeniu grawitacyjnemu. W związku z tym nie ma widocznego przyspieszenia, a odczyty dowolnego akcelerometru wynoszą zero

Akcelerometry należą do klasy czujników bezwładnościowych, których zakres jest bardzo szeroki: od telefonów komórkowych i komputery typu tablet(jednym z zadań jest zapewnienie rotacji wyświetlacza) do małogabarytowych systemów nawigacji inercyjnej typu strapdown zintegrowanych z systemami nawigacji satelitarnej, które zapewniają wyznaczanie parametrów orientacji i współrzędnych poruszających się statków powietrznych, obiektów naziemnych, powierzchniowych i podwodnych.

Przedmiotem pracy jest badanie błędów statystycznych czujnika MEMS (akcelerometr mikromechaniczny LSM303DLH). W toku prac opracowano algorytmiczne opracowanie badania takich parametrów jak odchylenie standardowe, oczekiwanie matematyczne, kowariancja, korelacja, testowanie hipotezy o normalności rozkładu populacji ogólnej według dobroci dopasowania Pearsona przedstawiono kryterium. Stworzone oprogramowanie w środowisko oprogramowania Delfi 7.0 do obliczania tych parametrów i wyświetlania wykresów odczytów akcelerometru, oczekiwań matematycznych wzdłuż osi x, osi y, osi z, histogramu częstotliwości do próbkowania obserwowanych wartości podczas testowania hipotezy o normalnym rozkładzie populacji ogólnej według kryterium dobroci dopasowania Pearsona.

ROZDZIAŁ 1. CZĘŚĆ TEORETYCZNA

1.1 Formalizacja zadań w badaniu błędów akcelerometru MEMS

Przedmiotem badań jest mikroelektromechaniczny (MEMS) trójosiowy akcelerometr LSM303DLH w połączeniu z trójosiowym czujnikiem pola magnetycznego.

Celem pracy jest badanie błędów tego akcelerometru, stworzenie algorytmu i oprogramowania do wyznaczania błędów statystycznych czujnika.

Przedmiotem pracy są metody i algorytmy wyznaczania błędów akcelerometru MEMS LSM303DLH

Rysunek 1 - Trójosiowy akcelerometr LSM303DLH

Zasada działania czujników ruchu (akcelerometry i żyroskopy) opiera się na pomiarze przemieszczenia masy bezwładności względem ciała i przekształceniu jej na proporcjonalny sygnał elektryczny. Pojemnościowa metoda przeliczania zmierzonego przemieszczenia jest najbardziej dokładna i niezawodna, dlatego akcelerometry pojemnościowe są szeroko stosowane. Konstrukcja akcelerometru pojemnościowego składa się z różnych płytek, z których część jest nieruchoma, a inne poruszają się swobodnie wewnątrz obudowy. Pojemności są zawarte w obwodzie generatora rezonansowego. Pod działaniem zastosowanych kontrolerów sygnały elektryczne zawieszona masa oscyluje. Pomiędzy płytkami powstaje kondensator, którego wartość pojemności zależy od odległości między nimi. Pod wpływem siły przyspieszenia zmienia się pojemność kondensatora. Rysunek 2 przedstawia topologię czujnika MEMS

Rysunek 2 — Topologia akcelerometru MEMS

Główną jednostką strukturalną akcelerometrów mikroelektromechanicznych jest element czuły, schematy obwodów które są pokazane na rysunku 2. Element pomiarowy (SE) obejmuje masę bezwładności (IM) - 1, elastyczne elementy zawieszenia - 2, ramę nośną - 3

Rysunek 3 - rodzaje akcelerometrów SE

Schemat ideowy akcelerometru MEMS

1 - IM, 2 - elektrody stałe, 3 - kotwica, 4 - elektrody ruchome, 5 - stelaż, 6 - element zawieszenia elastycznego, 7 - podstawa (korpus)

Masa bezwładnościowa (IM) jest montowana w pewnej odległości od podstawy (obudowy) za pomocą dwóch par elementów elastycznych, zawieszenia i kotew. MI porusza się zgodnie ze zmierzonym przyspieszeniem α. Pojemnościowy miernik przemieszczeń tworzą struktury grzebieniowe elektrod, z których elektrody ruchome tworzą z MI jedną strukturę, a elektrody stałe, połączone ramą, są umocowane podstawą (korpusem).

Głównymi przyczynami błędów pomiarowych w akcelerometrach MEMS są temperatura, wibracje i przyspieszenie poprzeczne.

Zmiana temperatury otoczenia prowadzi do zmiany wartości stałej dielektrycznej ε, czyli szczeliny między płytą wahadła a osłonami.

Pod wpływem przyspieszenia poprzecznego następuje dodatkowe odkształcenie sprężystych elementów zawieszenia i odpowiedni ruch wahadła. Ruchy wahadła wzdłuż osi y pokrywają się z kierunkiem osi czułości i są kompensowane przez czujnik momentu, tj. błędy nie są wprowadzane. Ruchy wahadła wzdłuż osi z względem nieruchomych elektrod czujnika przemieszczenia zmieniają efektywny obszar nakładania się elektrod i bez podjęcia działań konstrukcyjnych mogą prowadzić do przypadkowego błędu. Możliwość tego błędu zapobiega się poprzez zwiększenie powierzchni elektrod na nasadkach.

Najważniejszymi parametrami akcelerometru są zakres mierzonych przyspieszeń, czułość, zwykle wyrażana jako stosunek sygnału w woltach do przyspieszenia, nieliniowość jako procent pełnej skali, szum, dryft temperaturowy równy zero (przesunięcie) oraz czułość. Dzięki tym właściwościom znalazły zastosowanie w wielu branżach: lotnictwie wojskowym i cywilnym; Przemysł samochodowy; oprzyrządowanie lotnicze; robotyka; przemysł wojskowy; Przemysłu naftowo-gazowego; sport; Medycyna. W niektórych przypadkach istotną cechą jest częstotliwość drgań własnych czujnika lub częstotliwość rezonansowa, która określa pasmo częstotliwości pracy czujnika. W większości zastosowań istotny jest zakres temperatur oraz maksymalne dopuszczalne przeciążenia - charakterystyki związane z warunkami pracy czujników. Parametrami definiującymi, które wpływają na dokładność wyznaczania przyspieszenia są dryfty zera i czułości (głównie temperatura) oraz szum czujnika, który ogranicza próg rozdzielczości urządzenia.

Czułość czujnika zależy od częstotliwość rezonansowa podsystem mechaniczny, a także jakość przetwornika elektronicznego. Zmiana czułości wraz z temperaturą wynika głównie ze zmiany współczynnika elastyczności.

Dryft temperaturowy równy zero jest spowodowany zmianą współczynnika sprężystości, rozszerzalności cieplnej i błędami technologicznymi w produkcji czujnika. Zmiana parametrów części elektronicznej czujnika pod wpływem temperatury z reguły jest znacznie mniejsza. Ponieważ akcelerometr mierzy przyspieszenie lub siłę powodującą przyspieszenie masy bezwładności, model fizyczny akcelerometr to masa bezwładnościowa zawieszona na sprężynie zamocowanej w nieruchomej obudowie - prosty system z jednym stopniem swobody xw kierunku osi pomiaru. Masa bezwładności uzyskuje przyspieszenie pod działaniem siły przyspieszającej (wypadkowa siła bezwładności pod wpływem przyspieszenia) proporcjonalnej do masy mi przyspieszenia a.

Widmowa gęstość mocy (gęstość szumów, µ g/√Hz rms) w fizyce i przetwarzaniu sygnałów to funkcja opisująca rozkład mocy sygnału w zależności od częstotliwości, czyli mocy na jednostkę przedziału częstotliwości. Często termin ten jest używany do opisania mocy widmowej strumieni promieniowanie elektromagnetyczne lub inne fluktuacje w ciągłym medium, na przykład akustyczne. W tym przypadku oznacza to moc na jednostkę częstotliwości na jednostkę powierzchni, na przykład: W/Hz/m 2 .

Główne cechy akcelerometru LSM303DLH przedstawiono w tabeli 1:

Tabela 1 - Główne cechy akcelerometru LSM303DLH

Rysunek 5 - Schemat blokowy akcelerometru LSM303DLH

Rysunek 6 - Położenie pinów akcelerometru LSM303DLH

Tabela 2 - Przyporządkowanie pinów akcelerometru LSM303DLH

Rysunek 7 - Struktura systemu przetwarzania ruchu

Cyfra 8 - Schemat strukturalny moduł LSM303DLH

Czujniki mikroelektromechaniczne (MEMS) charakteryzują się małą masą i rozmiarami, niskim zużyciem energii i kosztami oraz są wysoce odporne na przeciążenia i wstrząsy. Ich główną wadą jest stosunkowo niska celność. Fakt ten wynika przede wszystkim z fundamentalnego braku obecnie adekwatnego i możliwego do stosowania w długich odstępach czasu, zamierzonego wykorzystania modeli matematycznych błędów takich czujników.

Najpopularniejszymi aplikacjami w branży MEMS są żyroskopy mikromechaniczne i akcelerometry. Ich główne Specyfikacja techniczna są zakres dynamiczny, czułość, pasmo przenoszenia, charakterystyka składowych szumu. Podczas kalibracji mikroukłady są mocowane z wystarczającą dokładnością na obrotowym stole obrotowym, co umożliwi prawidłowe zorientowanie osi akcelerometrów względem osi ziemi, a tym samym określenie ich błędów systematycznych. Zaimplementowano również możliwość obliczania współczynników wpływu temperatury i napięcia zasilania na główny błąd systematyczny, szczególnie charakterystyczny dla takich czujników. Podstawą rozwoju MEMS jest technologia mikroelektroniczna, która jest stosowana w prawie wszystkich produktach na bazie krzemu.

Wykorzystanie technologii MEMS w nowoczesnych systemy elektroniczne pozwala znacznie zwiększyć ich funkcjonalność. Za pomocą procesy technologiczne, prawie nie różniąc się od produkcji mikroukładów krzemowych, twórcy urządzeń MEMS tworzą miniaturowe konstrukcje mechaniczne, które mogą wchodzić w interakcje z otoczeniem i działać jako czujniki przenoszące uderzenia na zintegrowane z nimi obwód elektryczny. To właśnie czujniki są najczęstszym przykładem zastosowania technologii MEMS: znajdują zastosowanie w żyroskopach, akcelerometrach, ciśnieniomierzach i innych urządzeniach. Obecnie prawie wszystkie nowoczesne samochody wykorzystują omówione powyżej akcelerometry MEMS do aktywacji poduszek powietrznych. Mikroelektromechaniczne czujniki ciśnienia są szeroko stosowane w przemyśle motoryzacyjnym i lotniczym. Żyroskopy są używane w różnych zastosowaniach, od wyrafinowanego sprzętu nawigacyjnego do statków kosmicznych po joysticki do gier komputerowych. Urządzenia MEMS z mikroskopijnymi lustrami służą do produkcji wyświetlaczy i przełączników optycznych

Wraz z pojawieniem się systemów mikroelektromechanicznych (MEMS), czujniki bezwładnościowe znacznie się rozwinęły. Zalety, takie jak niski koszt, niskie zużycie energii, mały rozmiar i możliwość wytwarzania przy użyciu technologii wsadowej, pozwoliły bezwładnościowym czujnikom MEMS znaleźć szeroki zakres zastosowań na rynku motoryzacyjnym, komputerowym i nawigacyjnym.

W przeciwieństwie do tradycyjnej technologii, mikroakcelerometry są wytrawiane przy użyciu specjalistycznych technik, które łączą mechaniczną mikroobróbkę powierzchni krzemu polikrystalicznego i technologię obwodów elektronicznych.

1.2. Charakterystyka błędów akcelerometru MEMS i ich klasyfikacja

Cechą akcelerometrów mikromechanicznych jest dominująca produkcja czułych elementów tych urządzeń z materiałów opartych na technologii krzemowej, co determinuje: małe gabaryty i masę akcelerometru, możliwość zastosowania technologii produkcji grupowej, a co za tym idzie niski koszt produkcji masowej produkcja, wysoka niezawodność w działaniu.

Jedną z głównych przyczyn powodujących błąd pomiaru akcelerometru mikromechanicznego jest zmiana temperatury otoczenia. Dodatkowe przesunięcie zera spowodowane zmianami temperatury otoczenia:

gdzie k T jest dryftem termicznym przesunięć zerowych akcelerometru; ∆T jest zmianą temperatury podczas badania, T jest szybkością zmiany temperatury;

t to czas testu.

Wiadomo, że dokładność pomiaru jest ograniczona nie tylko błędem systematycznym, ale także składem widmowym szumu pomiarowego. Na przykład w pomiarach czujników MEMS występuje migotanie, które koloruje szum pomiarowy.

Szum migotania (nadmierny szum) - nienormalne fluktuacje, które charakteryzują się odwrotnie proporcjonalną zależnością gęstości widmowej mocy od częstotliwości, w przeciwieństwie do szumu białego, którego gęstość widmowa jest stała. Szum migotania został wykryty jako powolne chaotyczne zmiany emisji cieplnej katod lampy elektroniczne znany jako „efekt migotania”. Następnie odkryto fluktuacje o tych samych właściwościach w wielu fizykochemicznych, biologicznych, a nawet systemy społeczne. Obecnie termin „szum migotania” wraz z mniej dogodnym, ale bardziej adekwatnym terminem „szum 1/f”, jak również terminem „makrofluktuacje”, jest używany do określenia anomalnych fluktuacji w złożonych układach. Odmianą szumu migotania jest szum pulsacyjny (wybuchowy) obserwowany w półprzewodnikach - skokowe zmiany poziomu sygnału z losowo rozłożonymi odstępami czasu między zmianami poziomu. Jego gęstość widmowa mocy wzrasta wraz ze spadkiem częstotliwości, ogranicza możliwość zwiększenia dokładności poprzez uśrednianie i nie pozwala na zredukowanie składowej losowej błędu do zera. Ponadto w czujnikach cyfrowych zawsze dochodzi do interferencji z częstotliwością generatora zegara, co również nadaje kolor białemu szumowi.

Akcelerometry, takie jak żyroskopy, cierpią z powodu dryftów odchylenia i przesunięcia, błędów niewspółosiowości, dryftów temperatury i przyspieszenia, nieliniowości (zwanej błędem VRE) i dryftu czułości. Najważniejsze cechy akcelerometrów dla ich analiza porównawcza są przesunięcie i jego dryfty, niestabilność przesunięcia i hałas. Można również wziąć pod uwagę dryf czułości, VRE i inne parametry.

Każde przesunięcie akcelerometru przy braku przyspieszenia całkowania podwójnego powoduje błąd prędkości proporcjonalny do czasu całkowania oraz błąd obliczonej pozycji narastający kwadratowo w czasie. Niekontrolowane przesunięcie zera powoduje przesunięcie wektora przyspieszenia względem jego rzeczywistego kierunku i dotyczy to nie tylko czujników przyspieszenia liniowego, ale także przyspieszenia grawitacyjnego, które należy odjąć od całkowitej wartości wyjściowej akcelerometru. W systemach nawigacji bezwładnościowej dryf przesunięcia akcelerometru w znacznym stopniu przyczynia się do błędu w obliczaniu prędkości i pozycji. Przy pomiarze orientacji największe znaczenie mają błędy kątowe w obliczeniach pochyleń w kierunku wzdłużnym i poprzecznym.

Niestabilność obciążenia czujnika to losowa zmiana obciążenia obliczona w pewnym przedziale czasu jako wartości uśrednione. Ten parametr jest obliczany metodą Allana dla czujnika stacjonarnego. Wraz ze wzrostem czasu uśredniania szum wyjściowy zmniejsza się, a nachylenie osiąga punkt minimalny, a następnie ponownie wzrasta. Minimalny punkt na krzywej Allana to niestabilność przemieszczenia podana w specyfikacjach akcelerometru w mg lub µg. Im niższa wartość tego parametru, tym mniejszy błąd obliczeniowy

prędkość, pozycja i orientacja. Niestabilność przesunięcia akcelerometru w większości specyfikacji jest definiowana przez producentów jako najlepsza wydajność, osiągnięty w warunkach laboratoryjnych (w 20 °C i bez wpływów mechanicznych). Stabilność odchylenia w rzeczywistości

warunki reprezentują maksymalny dryf resztkowego błędu przemieszczenia po kompensacji wpływu czynników zewnętrznych - temperatury, wstrząsów, wibracji, starzenia.

Jak wspomniano powyżej, MEMS dzielą się na dwa typy: czujniki i aktuatory. Jednym z najczęściej stosowanych rodzajów czujników są czujniki ruchu, które z kolei dzielą się na akcelerometry (czujniki przyspieszenia) i żyroskopy (czujniki obrotu). Zastosowanie tych urządzeń jest dziś bardzo szerokie: telefony, komunikatory, konsole do gier, aparaty fotograficzne i laptopy są coraz częściej wyposażone w takie czujniki. W telefony komórkowe i dekoderów wideo, czułość na ruchy użytkownika jest wykorzystywana głównie do rozrywki. Ale w komputerach przenośnych akcelerometry działają bardzo dobrze. użyteczna funkcja: uchwyć moment, kiedy dysk twardy może ulec uszkodzeniu w wyniku uderzenia i zaparkowania głowic talerzowych. W fotografii zastosowanie czujników ruchu jest nie mniej istotne – to na ich podstawie działają uczciwe systemy stabilizacji obrazu.

Producenci samochodów (z przemysłu masowego jako pierwsi testowali tego typu urządzenia) od kilkudziesięciu lat aktywnie wykorzystują czujniki ruchu, na przykład w poduszkach powietrznych i układach przeciwblokujących. Tak więc odpowiednie chipy są od dawna opracowywane, produkowane przez wiele dużych i stosunkowo małych firm i produkowane w takich ilościach, że ceny od dawna i niezawodnie sprowadzane są do minimum. Typowy akcelerometr MEMS kosztuje dziś kilka dolarów za sztukę.

W obecności przyspieszenia ciężarek przemieszcza się względem stałej części akcelerometru. Płyta kondensatora przymocowana do ciężarka jest przesunięta względem płyty na części stałej. Zmienia się pojemność, przy stałym naładowaniu zmienia się napięcie - tę zmianę można zmierzyć i obliczyć przemieszczenie ciężarka. Skąd, znając jego masę i parametry zawieszenia, łatwo znaleźć pożądane przyspieszenie. W praktyce akcelerometry MEMS są projektowane w taki sposób, aby nie było tak łatwo oddzielić od siebie części składowe – ciężar, zawieszenie, obudowę i płyty kondensatora. Właściwie elegancja MEMS polega na tym, że w większości przypadków możliwe jest (a raczej po prostu konieczne) połączenie kilku elementów na raz w jednym szczególe.

Pod względem architektury urządzenie MEMS składa się z kilku oddziałujących na siebie elementów mechanicznych oraz mikroprocesora, który przetwarza dane otrzymane z tych elementów.

W odniesieniu do technologii produkcji MEMS stosuje się tutaj kilka głównych podejść. Są to mikroobróbka objętościowa, mikroobróbka powierzchniowa, technologia LIGA (Litographie, Galvanoformung i Abformung) - litografia, galwanizacja, formowanie) oraz głębokie reaktywne trawienie jonowe. Przetwarzanie wolumetryczne jest uważane za najbardziej opłacalny sposób wytwarzania MEMS. Jego istota polega na tym, że z wafla krzemowego usuwane są niepotrzebne części materiału metodą trawienia chemicznego, w wyniku czego na wafelku pozostają tylko niezbędne mechanizmy. Głębokie reaktywne trawienie jonowe prawie całkowicie powtarza proces mikroobróbki masowej, z wyjątkiem tego, że trawienie plazmowe służy do tworzenia mechanizmów zamiast trawienia chemicznego. Dokładnym przeciwieństwem tych dwóch procesów jest proces mikroobróbki powierzchni, w którym niezbędne mechanizmy „narastają” na waflu krzemowym poprzez sekwencyjne nakładanie cienkich warstw. I wreszcie technologia LIGA wykorzystuje metody litografii rentgenowskiej i pozwala tworzyć mechanizmy, których wysokość jest znacznie większa niż szerokość.

1.3. Analiza metod badania błędów czujników MEMS

Błąd pomiaru - odchylenie wyniku pomiaru od rzeczywistej wartości mierzonej wartości. Metody identyfikacji i oceny błędów można podzielić na analityczne (teoretyczne) i eksperymentalne. W niektórych przypadkach stosuje się metody mieszane (połączenie teoretycznej i eksperymentalnej). Szacunki błędów dla typowych pomiarów można zwykle znaleźć w źródłach informacji.

Metody analityczne identyfikacji i oceny błędów opierają się na: analiza funkcjonalna techniki pomiarowe. Zastosowanie metod identyfikacji i oceny błędów poprzedzone jest zwykle hipotezą o występowaniu błędów z określonego źródła, w tym:

– błędy instrumentalne,

– błędy metodologiczne,

– błędy wynikające z różnicy warunków od normalnych

– błędy subiektywne.

Do obliczania instrumentalnych i metodologicznych składników błędów, a także błędów wynikających z niezgodności warunków pomiaru z normalnymi, najczęściej stosuje się metody analityczne. Do obliczeń budowane są specjalne modele.

Błędy instrumentalne obejmują wszystkie błędy przyrządów pomiarowych i urządzeń pomocniczych: błędy przyrządu, błędy miar użytych do jego ustawienia, błędy przyrządów przyrządowych do pomiarów liniowo-kątowych, przewody łączące do podłączenia elektrycznych przyrządów pomiarowych itp. Obliczenia analityczne przyrządów pomiarowych pod kątem dokładności przeprowadzane są w celu oceny ich błędów teoretycznych i dopuszczalnych błędów technologicznych w produkcji i montażu części, co jest obowiązkowe części składowe projekt.

Błędy wynikające z niezgodności z normalnymi warunkami pomiarowymi są spowodowane oddziaływaniem na mierzony obiekt i przyrządy pomiarowe dowolnej wpływającej wielkości fizycznej, która wykracza poza zakres wartości znormalizowanych. Temperatura, pola elektromagnetyczne i inne, ciśnienie atmosferyczne, nadmierna wilgotność, wibracje i wiele innych czynników może prowadzić do zniekształcenia mierzonej wartości i/lub informacji pomiarowych o niej.

Aby ocenić błąd „warunków” w przypadku ogólnym, należy wziąć pod uwagę wpływ wielkości wpływających zarówno na przyrządy pomiarowe, jak i na mierzone obiekty. Aby obliczyć wpływ wielkości wpływającej ψ na wynik pomiaru, konieczne jest poznanie funkcji f(ψ) zmiany mierzonej wielkości fizycznej i/lub sygnału przyrządu pomiarowego, gdy argument (wielkość wpływająca ψ) zmiany i wartość argumentu ψ. Na przykład zmiana wielkości liniowej (średnicy lub wysokości mierzonej części) pod wpływem temperatury innej niż normalna jest zwykle związana z tzw. „modelem prętowym” i jest obliczana z zależności elementarnej

gdzie Δl jest przyrostem długości (dodatnim lub ujemnym);

α – współczynnik temperatury rozszerzalność liniowa;

– temperatura podczas pomiaru;

- nominalna wartość temperatury normalnej podczas pomiaru.

Aby ocenić wpływ temperatury na przyrządy pomiarowe należy przeanalizować wpływ temperatury na obwód pomiarowy, zidentyfikować te elementy, których wpływ będzie prowadzić do zniekształcenia funkcji przetwarzania pomiarowego oraz określić charakter zniekształcenie. Ścieżka ta często okazuje się nieproduktywna, ponieważ aby zbudować model analityczny złożonego przyrządu pomiarowego, trzeba postawić wiele założeń, a nie zawsze można zapewnić ich dostateczny rygor. Częściej uciekaj się do eksperymentalnego oszacowania błędu.

Błędy metodologiczne wynikają z założeń teoretycznych i uproszczeń przyjętych podczas pomiaru lub przetwarzania wyników, a także z rozbieżności między rzeczywistym obiektem pomiarów a przyjętym modelem. Oszacowanie błędu metodologicznego można rozpatrywać na przykładzie pomiaru masy przedmiotu poprzez ważenie (metoda porównania z miarą) na wadze dwuramiennej. W tym celu konieczne jest zbudowanie modelu wyważającego uwzględniającego siły Archimedesa wywołane przemieszczeniem powietrza i przedmiotu pomiaru oraz odważnikami. Błędy wynikające z rozbieżności pomiędzy rzeczywistym obiektem pomiarów a przyjętym modelem można rozpatrywać na przykładach pomiarów długości, gęstości, temperatury i innych wielkości fizycznych. Tak więc przy pomiarze średnicy części głowicą pomiarową na statywie błędy metodologiczne mogą wynikać z niedoskonałego kształtu powierzchni nominalnie cylindrycznej. Błąd metodologiczny pomiaru części w kształcie siodła jest w przybliżeniu równy odchyleniu tworzącej od prostoliniowości.

Błędy subiektywne mogą obejmować błędy w odczycie wyniku oraz błędy w manipulowaniu przyrządami pomiarowymi i mierzonym obiektem (urządzenia kombinowane, regulacja i korekcja zera, klatkowanie, oparcie dołączonego MI lub części na MI sztalugowym). Do oszacowania błędów odczytu wyników z przyrządów analogowych można zbudować model geometryczny powstawania błędu z powodu paralaksy (jeśli płaszczyzny podziałki i wskaźnika nie pokrywają się), a także modele do zaokrąglania lub interpolacji ułamkowa część podziału. Z elementarnego modelu zaokrąglania odczytów w miejscu położenia wskazówki między podziałkami skali wynika, że ​​w najgorszym przypadku (położenie wskazówki dokładnie pośrodku) błąd zaokrąglenia nie przekroczy połowy wartości podziału (j) skali przyrządu analogowego, a podczas interpolacji części ułamkowej podziału „na oko” będzie jeszcze mniej. W tym drugim przypadku bardziej rygorystyczna ocena analityczna nie jest możliwa, więc błąd interpolacji jest szacowany metodami eksperymentalnymi lub zapożyczony ze źródeł informacji.

Poziom kompletności ujawnienia i oceny składników błędu zależy od otrzymanych informacji i może wahać się od oceny w skali nazw do oceny w skali wskaźników. Przykładami ocen jakościowych w skali nazw może być stwierdzenie o występowaniu błędu, który pojawia się z pewnych przyczyn, wniosek o naturze błędu („systematyczny stały błąd długości obiektu, gdy jego temperatura jest różna od normalnego” lub „postępujący błąd z jednostajną zmianą temperatury obiektu”). Zastosowanie skali porządkowej można wyrazić na przykład w szacunkach poziomu istotności: składniki błędu drugiego rzędu małości są uważane za nieistotne. Najwyższy poziom oszacowania błędów będą uzyskiwać ich wartości liczbowe.

Poziom hałasu akcelerometru jest progiem hałasu, który nie jest skorelowany z wpływami zewnętrznymi w postaci minimalnej mocy czujnika, odróżnianej od szum. Gęstość szumu akcelerometru jest określona w rms mg/√Hz i charakteryzuje wyjściowy biały szum dla danego pasma częstotliwości. Hałas akcelerometru negatywnie wpływa na minimalne dopuszczalne kąty pochylenia i przechyłu oraz znacząco wpływa na dokładność obliczeń prędkości i położenia.

Błąd czułości to stosunek błędu wyjściowego jako odchylenie od linii prostej do pełnego zakresu wejściowego i jest wyrażony w ppm (części na milion). Błąd czułości nie ma takiego wpływu na działanie akcelerometru, zwłaszcza w szerokim zakresie przyspieszenia wejściowego. Dryf przemieszczenia drgań spowodowany nieliniowością nazywa się błędem prostowania drgań (VRE) i jest bardzo ważna cecha do nawigacji inercyjnej. W specyfikacjach akcelerometrów VRE wyraża się jako współczynnik nieliniowości drugiego rzędu, mierzony w μg/g 2 .

1.4. Zestaw doświadczalny

Sprzęt realizowanego kompleksu obejmuje obrotnicę przechylną (NRS) (zdjęcie na ryc. 9), konwerter sygnałów wyjściowych z wyjść cyfrowych mikroukładów LSM303DLH i L3G4200D na protokół UART 2.0 (zdjęcie na ryc. 11) oraz komputer.

NPS umożliwia ustawienie wymaganej orientacji osi czułości czujnika względem płaszczyzny horyzontu z dokładnością do 3 sekund kątowych. min. Określona dokładność jest wystarczająca do kalibracji błędów czujników, ponieważ maksymalny błąd orientacji przestrzennej LPS wynosi 3 łuki. min powoduje błąd instrumentalny pomiaru przyspieszenia ziemskiego rzędu 10-6 m/s 2 .

Rysunek 9 - Stół uchylno-obrotowy

Rysunek 10 - Sygnały wyjściowe konwertera Mikroukłady MEMS

do formatu UART

Rysunek 11 - Testy zaprojektowanych SINS IIB (po prawej) w PS

Część programowa kompleksu została zaimplementowana w Delphi 7.0. Program przewiduje usuwanie informacji z wyjść informacyjnych mikroukładów, konwersję kodów cyfrowych na wielkości fizyczne, zapisywanie danych w plikach danych i ich przetwarzanie statystyczne.

ROZDZIAŁ 2. CZĘŚĆ PRAKTYCZNA

2.1 Tryb testu statycznego dla akcelerometrów.

Istnieją następujące metody kalibracji akcelerometrów w trybie statycznym.

Standardową metodą badawczą jest metoda rotacyjna w polu grawitacyjnym Ziemi. Ta metoda jest najczęstsza, ze względu na prostotę jej wykonania. Oś pomiarowa akcelerometru musi być skierowana wzdłuż składowej przyspieszenia swobodnego spadania. W tym celu należy uzyskać, aby oś pomiarowa akcelerometru znajdowała się pod pewnym kątem λ do lokalnego pionu. Tutaj OSξηζ to układ współrzędnych geograficznych, OSξ to lokalny pion. Idealnie przyspieszenie wzdłuż osi pomiaru. Do realizacji tej metody niezbędna jest znajomość wartości gi wyznaczenie kierunku przyspieszenia swobodnego spadania w punkcie pomiarowym, od tego kierunku mierzony jest kąt λ.

Aby przetestować akcelerometr, należy przede wszystkim znać wartość przyspieszenia swobodnego spadania w punkcie kalibracji, która jest obecnie wyznaczana z wystarczającą wysoka precyzja. Do realizacji metody można wykorzystać dwa rodzaje urządzeń - obrotnice z jedną lub dwiema wzajemnie prostopadłymi osiami obrotu. Następnie uzyskuje się charakterystykę wyjściową czujnika. Rodzi to pytanie, jaką regułą ustawić kąt pozycjonowania. Ponadto pojawiają się problemy z określeniem wielkości efektywnego przyspieszenia spowodowane obecnością odchylenia pionu oraz błędem położenia czujnika względem osi obrotu narzędzia badawczego.

Metoda skalarna (metoda sześciu pozycji) służy do kalibracji 3 prostopadłych akcelerometrów. Metoda ta opiera się na fakcie, że niezależnie od orientacji osi czułości czujnika w system lokalny współrzędne przy braku wpływów zewnętrznych, suma kwadratów odczytów trzech prostopadłych czujników jest równa kwadratowi działania odniesienia g (przyspieszenie grawitacyjne dla akcelerometrów). Różnicą tej metody od innych jest użycie jako standardu nie wektora, ale skalara funkcjonalnie powiązanego z tym wektorem. Taka wymiana może znacznie poprawić dokładność kalibracji triady akcelerometrów. W rezultacie dokładność wygenerowanych współczynników model matematyczny nie zależy od błędów orientacji triady w płaszczyźnie horyzontu. Główną wadą tej metody jest brak możliwości oszacowania kątów nieortogonalności.

Badanie akcelerometrów metodą przyciągania grawitacyjnego. Pozwala na ustawienie wartości bieżących przyspieszeń znacznie mniejszych niż w pierwszej metodzie. Ta metoda nie ma zastosowania do testowania akcelerometrów mikromechanicznych.

Testowanie akcelerometrów na orbicie sztucznego satelity Ziemi

– metoda badania akcelerometrów przy braku pola grawitacyjnego lub z jego kompensacją w zlokalizowanym obszarze. Rozwój tej metody spowodowany jest koniecznością wyeliminowania składowych przyspieszeń interferencji i swobodnego spadania, skierowanych wzdłuż osi pomiarowej akcelerometru.

Metoda badania akcelerometrów poprzez kompensację pola grawitacyjnego polem sił bezwładności poruszającego się obiektu. Do realizacji tej metody wykorzystuje się komorę, w której przy zmianach ciśnienia na akcelerometr padający oddziałuje inna siła oporu powietrza, a co za tym idzie przyspieszenie. Metoda ta nie znalazła szerokiego zastosowania ze względu na trudności w jej realizacji oraz złożoność sprzętu.

Metoda badania akcelerometrów o jednostajnie przyspieszonym ruchu translacyjnym platformy z urządzeniem. Metoda imituje blisko prawdziwe warunki działanie większości urządzeń. Chociaż ta okoliczność jest istotną zaletą metody, w przeciwieństwie do wszystkich innych, poważne trudności w realizacji stanowiska badawczego uniemożliwiają jego szerokie zastosowanie.

Badanie akcelerometrów metodą ustawiania przyspieszenia Coriolisa. Zaproponowano metodę wyznaczania małych stałych przyspieszeń. Główne trudności we wdrażaniu metody wiążą się z koniecznością wyeliminowania szkodliwych skutków przyspieszenia swobodnego spadania.

Odwzorowanie przyspieszeń za pomocą platform obrotowych. Tylko ta metoda (metoda wirówkowa) jest jedynym praktycznym sposobem odtwarzania przyspieszeń przekraczających przyspieszenie swobodnego spadania. Metoda wykorzystująca pojedynczą obrotową platformę obracającą się wokół pionowej osi OSξ służy do odtworzenia stałego przyspieszenia. W tym przypadku akcelerometr jest zamontowany na obrotowej platformie w odległości R od środka obrotu. Czuła oś akcelerometru znajduje się poziomo i jest skierowana w stronę środka obrotu. Wirówki przeznaczone są do testowania i kalibracji akcelerometrów i różnego rodzaju przyrządy inercyjne (układy mikromechaniczne do przyrządów inercyjnych, niedrogie w produkcji czujniki kwarcowe lub krzemowe, żyroskopy laserowe pierścieniowe, żyroskopy światłowodowe, urządzenia zabezpieczające i inne czujniki) Głównymi źródłami błędów kalibracji tą metodą są: odchylenie osi czułej od płaszczyzna pozioma, błąd ustawienia i pomiaru prędkości kątowych obrotu platformy oraz błąd wynikający ze zmiany długości ramienia wirówki.

2.2. Rozwój wsparcia algorytmicznego

W niniejszej pracy zbadamy takie błędy statystyczne akcelerometru mikromechanicznego, jak odchylenie średniokwadratowe (RMS), kowariancja, korelacja, testując hipotezę rozkładu normalnego populacji ogólnej według kryterium dobroci dopasowania Pearsona.

Odchylenie średniokwadratowe (RMSD) jest wskaźnikiem rozrzutu wartości zmiennej losowej w stosunku do jej oczekiwań matematycznych. Jest mierzona w jednostkach miary samej zmiennej losowej i jest wykorzystywana do statystycznego testowania hipotez, do pomiaru liniowej zależności między zmiennymi losowymi. Obliczane według wzoru:

n to liczba wartości zmiennych losowych

- wartość losowa

jest matematycznym oczekiwaniem zmiennej losowej

1. Kowariancja. Wielkość nazywana jest kowariancją (łączną zmiennością) zmiennych losowych X i Y. Kowariancję dyskretnych zmiennych losowych można oszacować na podstawie ich wartości dyskretnych X = (x1, ... xN) i Y= (Yi, YN ) za pomocą średniej formuły arytmetycznej:

2. Korelacja - współczynnik korelacji to stosunek kowariancji do iloczynu odchyleń standardowych ich zmiennych losowych X i Y:

3. Testowanie hipotezy o rozkładzie normalnym populacji generalnej według testu dopasowania Pearsona. Test dopasowania jest kryterium testowania hipotezy o proponowanym prawie nieznanego rozkładu. Niech uzyskamy rozkład empiryczny dla próby o rozmiarze n:

opcjex ja x 1 x 2 … x s

częstotliwości empirycznen ja n 1 n 2 … n s

Jeżeli założony rozkład jest normalny, to oceniane są dwa parametry (średnia i odchylenie standardowe), czyli r = 2 i liczba stopni swobody

Aby przetestować hipotezę zerową H 0 na danym poziomie istotności, należy najpierw obliczyć częstości teoretyczne, a następnie obserwowaną wartość kryterium:

i zgodnie z tabelą krytycznych punktów rozkładu, zgodnie z zadanym poziomem istotności α i liczbą stopni swobody, znajdź punkt krytyczny

Jeśli hipoteza zerowa zostanie odrzucona

Szczególny rodzaj kryterium, który jest często używany do sprawdzenia zgodności gęstości rozkładu uzyskanej z danych próbki z pewną teoretyczną gęstością rozkładu, nazywa się kryterium dobroci dopasowania. Istotą tej metody weryfikacji jest to, że niektóre statystyki, opisane rozkładem przybliżonym, służą jako miara rozbieżności między gęstościami obserwowanymi a teoretycznymi. Hipoteza o zgodności rozkładów jest następnie testowana poprzez analizę rozkładu próby tych statystyk.

Wprowadźmy pojęcie objętości N niezależnych obserwowanych wartości zmiennej losowej x(k) o gęstości rozkładu p(x). Dane obserwacyjne są pogrupowane w k przedziałów, zwanych bitami, które razem tworzą histogram częstotliwości. Liczba obserwowanych wartości w i-tej cyfrze nazywana jest obserwowaną częstotliwością i jest oznaczona przez fi . Liczba obserwacji, których można oczekiwać, aby mieścić się w zakresie i-tej kategorii, jeśli rzeczywista gęstość rozkładu x(k) wynosi p 0 (x), nazywana jest oczekiwaną częstotliwością w i-tej cyfrze i jest oznaczona przez F i . Różnica między obserwowanymi a oczekiwanymi częstotliwościami w każdym bicie wynosi (fi – F i). Aby określić ogólny stopień rozbieżności dla wszystkich bitów, zsumuj kwadraty różnic częstotliwości w każdym bicie i uzyskaj przykładową statystykę

Wielkość ma w przybliżeniu taki sam rozkład jak wielkość i wielkość. Liczba stopni swobody n w tym przypadku jest równa liczbie K pomniejszonej o liczbę różnych niezależnych zależności liniowych (ograniczeń) nałożonych na dane obserwacyjne. Jedna z takich zależności istnieje, ponieważ częstotliwość w ostatnim bicie można określić, gdy tylko poznamy częstotliwości w pierwszych (K–1) bitach. Istnieje co najmniej jedno dodatkowe ograniczenie wynikające z dopasowania oczekiwanej teoretycznej gęstości rozkładu do histogramu częstotliwości uzyskanego z danych obserwacyjnych. Ogólnie, gdy oczekiwana teoretyczna gęstość rozkładu wynosi normalna funkcja, nakładane są dwa dodatkowe ograniczenia, ponieważ średnia i wariancja muszą być obliczane w taki sposób, aby spełniały gęstość rozkładu normalnego. Dlatego w ogólnym przypadku, gdy kryterium zgodności jest stosowane jako kryterium do sprawdzenia normalności rozkładu, liczba stopni swobody dla funkcji wynosi n = K - 3.

Po określeniu odpowiedniej liczby stopni swobody dla danego przypadku hipoteza jest testowana w następujący sposób. Załóżmy, że zgodnie z hipotezą wartość x(k) ma gęstość rozkładu p(x) = p 0 (x) znajdź sumę. Ponieważ każda rozbieżność p(x) od p 0 (x) wzrasta, stosuje się test jednostronny. Obszar akceptacji hipotezy wyznacza nierówności

gdzie dane funkcji wybiera się z tabeli 2. Jeżeli wartość próbki sumy jest większa, hipoteza p(x) = p 0 (x) jest odrzucana na poziomie istotności. Jeśli suma jest mniejsza lub równa, hipoteza jest akceptowana. Prawdopodobieństwo popełnienia błędu typu I wynosi. Nie można jednoznacznie określić prawdopodobieństwa popełnienia błędu typu II, ponieważ:

że jest ich niezliczona ilość różne drogi niezgodności p(x) i p 0 (x).

Tabela 3 - Procentowe punkty dystrybucji

Siła kryterium dopasowania zależy od doboru cyfr. Przy ich doborze istnieją różne zalecenia teoretyczne i praktyczne. Kiedy test ma być zastosowany na poziomie istotności

Tabela 4 - Minimalna wartość optymalnej liczby bitów K

dla próbek o rozmiarze N at

Najwygodniej jest zastosować rozważane kryterium, ustawiając cyfry o tej samej szerokości. Jeśli wykluczymy z rozważań hipotezę o jednorodności rozkładu, metoda ta daje różne wartości oczekiwanych częstości w różnych cyfrach. Szerokość bitów należy dobrać tak, aby w różnych odstępach uzyskać równe częstotliwości. Z wyjątkiem kryterium sprawdzania jednorodności rozkładu, zastosowanie opisanej techniki prowadzi do tego, że różne wyładowania będą miały nierówne szerokości. Akceptacja ustawienia tych samych wartości częstotliwości utrudnia zastosowanie kryterium, ale z reguły zwiększa jego moc. Pożądane jest zapewnienie wartości częstotliwości w każdym bicie równej co najmniej 5, chociaż wartość częstotliwości tylko 2 jest akceptowalna w bitach skrajnych.

2.3. Opracowanie algorytmu oprogramowania

Część programowa kompleksu została zaimplementowana w Delphi 7.0. Program zapewnia usuwanie informacji z wyjść informacyjnych mikroukładów w kod cyfrowy, rejestrowanie danych w zbiorach danych i ich przetwarzanie statystyczne.

Zaimplementowano akwizycję danych z mikromechanicznego akcelerometru w trzech osiach – oś x, oś y, oś z. Dane dla każdej z osi w forma cyfrowa jest zapisywany w folderze „pomiar” znajdującym się na dysku „C”.

1. Zaimplementowane wyjście danych do wykresu

Rysunek 12 - Wykres odczytów akcelerometru

2. Wyświetlanie wyśrodkowanych danych na wykresie

Rysunek 13 - Wykres wyśrodkowanych odczytów akcelerometru

Obliczono matematyczne oczekiwanie, uzyskano następujący wykres:

Rysunek 14 — Matematyczny wykres oczekiwań

MX, MY, MS, odpowiednio, matematyczne oczekiwanie wzdłuż osi x, y, z

3. Obliczane są wartości RMS

4. Oblicza się wartości kowariancji

5. Obliczane są wartości korelacji

6. Testowanie hipotezy o normalnym rozkładzie ogólnego

klasyfikacja zgodnie z testem dopasowania Pearsona.

Dla próbki obserwowanych wartości wzdłuż osi X, Y, Z uzyskano następujące histogramy częstotliwości

Rysunek 15 - Histogram częstotliwości dla próbki obserwowanych wartości wzdłuż osi X

Rysunek 16 - Histogram częstotliwości dla próbki obserwowanych wartości wzdłuż osi Y

Rysunek 17 - Histogram częstotliwości dla próbki obserwowanych wartości o

Postać histogramu pozwala na założenie, że rozkład jest zgodny z normalnym prawem.

WNIOSEK

Jak wspomniano powyżej, tematem pracy dyplomowej jest: opracowanie algorytmu badania błędów akcelerometru MEMS. Cechą MEMS (systemów mikroelektromechanicznych) jest to, że w nich elementy elektryczne i mechaniczne powstają ze wspólnego podłoża (np. podłoża krzemowego), a w wyniku zastosowania technologii formowania struktur wolumetrycznych, technologia mikrosystemów jest uzyskane z wysokimi właściwościami eksploatacyjnymi i technicznymi (masa i rozmiar, masa, energia itp.).

Osiągnięto cel pracy, którym było opracowanie algorytmiki i oprogramowania do badania błędów statystycznych akcelerometru LSM303DLH.

Badane są błędy statystyczne czujnika MEMS (akcelerometr mikromechaniczny LSM303DLH). W toku prac opracowano algorytmiczne opracowanie badania takich parametrów jak odchylenie standardowe, oczekiwanie matematyczne, kowariancja, korelacja, testowanie hipotezy dla rozkładu normalnego populacji ogólnej według kryterium dopasowania Pearsona jest przestawiony. Oprogramowanie zostało stworzone w środowisku oprogramowania Delfi 7.0 do obliczania tych parametrów i wyświetlania wykresów odczytów akcelerometru, oczekiwań matematycznych wzdłuż osi x, osi y, osi z, histogramów częstotliwości do próbkowania obserwowanych wartości podczas testowania hipotezy na normalność rozkładu populacji ogólnej według kryterium dopasowania Pearsona.

BIBLIOGRAFIA

1. Raspopow, V.Ya. Urządzenia mikromechaniczne: podręcznik. dodatek /

V.Ya. Raspopow. - M .: Mashinostroenie, 2007. - 400

2. Denisenko W.W. sterowanie komputerowe proces technologiczny,

eksperyment, sprzęt.

3.Karta danych. LSM303DLH Moduł czujnika: 3-osiowy akcelerometr i 3-osiowy

magnetometr © 2009 STMicroelectronics - Wszelkie prawa zastrzeżone

5. Bendat J, Pirsol A. Pomiar i analiza procesów losowych - M.: Mir,

6. Szum migotania (szum 1/f, szum nadmiarowy) [Zasoby elektroniczne]. - Tryb

(Data dostępu: 20.04.2016).

7. Trendy rynkowe dla wysokiej klasy czujników bezwładnościowych MEMS. Nowe poziomy

charakterystyka działania [Zasób elektroniczny]. - Tryb dostępu:

8. Dynamiczna metoda Dao Wang Ba do badania błędów triady

akcelerometry [Tekst]: teza.....kan. technika Nauki: 05.11.03: w obronie

22.01.2015: zatwierdzono. 15.07.14 / Dao Wang Ba. - Petersburg - 2015, - 113 pkt.

9. Kolganov, V.N. Metoda wyznaczania charakterystyk statycznych

akcelerometry na wirówce [Zasób elektroniczny] / V.N. Kołganow, A.A.

Papko, T.N. Bałaszowa, Yu.M. Malkin //Patent RU 2192016 - Tryb

ZAŁĄCZNIK A

MINISTERSTWO EDUKACJI I NAUKI ROSJI

SAMODZIELNE PAŃSTWO FEDERALNE

INSTYTUCJA EDUKACYJNA SZKOLNICTWA WYŻSZEGO

POŁUDNIOWY UNIWERSYTET FEDERALNY

Departament Informacji i

technologie pomiarowe"

Kierunek szkolenia

12.03.01 Oprzyrządowanie

Zadanie dla Wdrożenie WRC kawaler

student Sizjakin Stanisław Leonidowicz

1. Temat:„Opracowanie algorytmu badania błędów

Akcelerometr MEMS".

2. Termin zakończenia prac: 30.05.2016.

3. Dane początkowe:

Akcelerometr z czujnikiem mikroelektromechanicznym (MEMS) LSM303DLH

4. Lista pytań do opracowania:

Opracowanie wsparcia algorytmicznego do wyznaczania błędów statystycznych czujnika

Rozwój oprogramowania

7. Data wystawienia cesji: 02.12.2016

8. Głowa: ___________________________ Szczerban I.V.

Podpis Imię i nazwisko

9. Zadanie zostaje przyjęte do realizacji:

_______________________________________________

Data Podpis ucznia

DODATEKb

Kod programu

Wykonywane w programowo obliczanie odchylenia standardowego (RMS). ProceduraSK ProceduraOKliknij(Sender: TObject)

procedura TForm1.SKOClick(Sender: TObject);

SumKoX, SumKoY, SumKoZ: Rzeczywiste;

j4: liczba całkowita;

SumaKoX:=0;

Suma KoY:=0;

SumaKoZ:=0;

Resetuj(nowyXd); // xa

Resetuj(nowyYd); // Tak

Resetuj(nowyZd); // Za

podczas gdy j4<=Kolizm do

Odczyt(nowyXd, X1);

Przeczytaj (nowy Yd, Y1);

Czytaj(nowyZd, Z1);

SumKoX:=SumKoX+Sqr(X1-MoX);

SumKoY:=SumKoY+Sqr(Z1-MoZ);

SumKoZ:=SumaKoZ+Sqr(Y1-MoY);

SrKOX:=Sqrt(SumKoX/Kolizm);

SrKOZ:=Sqrt(SumaKoY/Kolizm);

SrKOY:=Sqrt(SumaKoZ/Kolizm);

Inc(j4);

SKOXLabel.Caption:="SKOX="+FloatToSTRf((SrKOX),ffFixed,6,3);

SKOYLabel.Caption:="SKOY="+FloatToSTRf((SrKOY),ffFixed,6,3);

SKOZLabel.Caption:="SKOZ="+FloatToSTRf((SrKOZ),ffFixed,6,3);

Korrelaziya.Enabled:=Prawda;

zamknij plik(nowyXd);

closefile(nowyYd);

closefile(nowyZd);

Obliczenie kowariancji wykonano w oprogramowaniu. ProceduraProceduraCovariaziyaClick(Sender: TObject)

// Oblicz kowariancje dla osi akcelerometru

procedura TForm1.CovariaziyaClick(Sender: TObject);

j2: liczba całkowita;

Resetuj(nowyXd); // xa

Resetuj(nowyYd); // Tak

Resetuj(nowyZd); // Za

podczas gdy j2<=Kolizm do

Odczyt(nowyXd, X1);

Przeczytaj (nowy Yd, Y1);

Czytaj(nowyZd, Z1);

covXY:=covXY+(X1-MoX)*(Y1-MoY);

covXZ:=covXZ+(Y1-MoX)*(Z1-MoZ);

covYZ:=covXY+(Z1-MoZ)*(Y1-MoY);

Inc(j2);

covXYLabel.Caption:="covXY="+FloatToSTRf((covXY),ffFixed,6,3);

covXZLabel.Caption:="covXZ="+FloatToSTRf((covXZ),ffFixed,6,3);

covYZLabel.Caption:="covYZ="+FloatToSTRf((covYZ),ffFixed,6,3);

zamknij plik(nowyXd);

closefile(nowyYd);

closefile(nowyZd);

SKO. Włączony:= Prawdziwe;

Obliczenia korelacji wykonywane są w formie oprogramowania. ProceduraProceduraKorrelazya.Kliknij

procedura TForm1.KorrelaziyaClick(Sender: TObject);

KorXY:=covXY/(SrKOX*SrKOY);

KorXZ:=covXZ/(SrKOX*SrKOZ);

KorYZ:=covXY/(SrKOZ*SrKOY);

KorXYLabel.Caption:="KorXY="+FloatToSTRf((KorXY),ffFixed,7,4);

KorXZLabel.Caption:="KorXZ="+FloatToSTRf((KorXZ),ffFixed,7,4);

KorYZLabel.Caption:="KorYZ="+FloatToSTRf((KorYZ),ffFixed,7,4);

Wykonywana w formie oprogramowania jest weryfikacja hipotezy o normalnym rozkładzie populacji ogólnej.

ProceduraProceduraPirsonClick(Sender: TObject)

procedura TForm1.PirsonClick(Sender: TObject);

//sprawdź rozkład normalny zgodnie z umową Pearsona

j3: liczba całkowita;

Resetuj(nowyXd); // Xg

Resetuj(nowyYd); // Yg

Resetuj(nowyZd); // Z G

IntX:=(Abs(MinX)+abs(MaxX))/Raz; //określić wielkość odstępów wyładowań

IntY:=(Abs(MinY)+abs(MaxY))/Raz;

IntZ:=(Abs(MinZ)+abs(MaxZ))/Raz;

aX:=MinX; //określ dolną granicę pierwszej cyfry

aY:=MinY;

aZ:=MinZ;

dla i:=2 do Raz do

dla i:=2 do Raz do

AX[i]:=MinX+IntX*(i-1); //określ dolne granice cyfr

AY[i]:=MinY+IntY*(i-1

AZ[i]:=MinZ+IntZ*(i-1);

podczas gdy j3<=Kolizm do

Odczyt(nowyXd, X1);

Przeczytaj (nowy Yd, Y1);

Czytaj(nowyZd, Z1);

dla i:=1 do Raz do

if ((X1>=ax[i]) i (X1